[NestJS] google-cloud-text-to-speech vs AWS Polly 차이점 & 사용법

 

서론

최근 텍스트 음성 변환(TTS) 기술은 고객 지원 시스템 등에서 자연스러운 음성 경험을 제공하며 빠르게 발전하고 있습니다. Google Cloud Text-to-Speech와 AWS Polly는 대표적인 클라우드 기반 TTS 서비스로, 각자의 강점과 특징이 있어 프로젝트에 적합한 서비스를 선택하는 것이 중요합니다. 본 글에서는 이 두 서비스의 특징과 차이점을 비교하고 간단한 사용법을 안내합니다.

 

 

 

Google Cloud Text-to-Speech

Google Cloud Text-to-Speech는 **Google Cloud Platform(GCP)**에서 제공하는 텍스트 음성 변환 서비스로, 딥러닝 기반의 WaveNet 기술을 사용하여 자연스러운 음성을 생성합니다. 이 서비스는 220개 이상의 다양한 음성을 제공하며, 다양한 언어와 방언을 지원합니다. Google의 AI 기술을 바탕으로 음성의 억양과 리듬을 매우 정교하게 조정할 수 있어, 사용자에게 더 현실적인 음성을 제공합니다.

 

AWS Polly

AWS Polly는 **Amazon Web Services(AWS)**에서 제공하는 텍스트 음성 변환 서비스로, 실시간으로 텍스트를 자연스러운 음성으로 변환해주는 도구입니다. 60개 이상의 음성을 지원하며, 여러 언어에 대한 다양한 음성 스타일을 제공합니다. 또한, Polly는 **Speech Synthesis Markup Language(SSML)**을 지원하여 음성 속도, 강세, 호흡 등을 세밀하게 제어할 수 있습니다. AWS의 안정적인 인프라 위에서 동작하며, 다양한 AWS 서비스와 쉽게 통합할 수 있는 것이 강점입니다.

 

 

 

Google Cloud Text-to-Speech vs AWS Polly 차이점

두 서비스는 텍스트를 음성으로 변환하는 기본적인 기능을 제공하지만, 세부적으로는 차이점이 있습니다.

1. 음성 품질
   • Google Cloud Text-to-Speech는 WaveNet을 사용하여 더 자연스럽고 인간 같은 음성을 생성하는 데 중점을 두고 있습니다. 특히 억양, 리듬, 그리고 말투의 세부적인 조정이 가능합니다.
   • AWS Polly는 WaveNet과 비슷한 NTTS(Neural Text-to-Speech) 기술을 통해 자연스러운 음성을 제공하지만, 음성 품질은 Google의 WaveNet에 비해 약간 덜 자연스럽다고 평가될 때가 있습니다. 그러나 여전히 다양한 응용 프로그램에서 충분히 매력적인 음질을 제공합니다.
2. 언어 및 음성 지원
   • Google Cloud Text-to-Speech는 더 많은 언어와 음성을 지원하며, 특히 비즈니스 및 고객 지원 분야에서 많이 사용되는 언어에 대해 다양한 선택지를 제공합니다.
   • AWS Polly는 다양한 언어를 지원하지만, Google보다 언어와 음성의 선택지가 적습니다.
3. 비용
   • 두 서비스 모두 유사한 요금 모델을 가지고 있지만, 특정 요구 사항에 따라 비용 효율성이 달라질 수 있습니다. 일반적으로 AWS Polly가 더 저렴한 경향이 있으며, Amazon의 다른 서비스와 통합할 경우 비용 절감 효과가 있습니다.
   • 반면 Google Cloud Text-to-Speech는 조금 더 높은 품질의 음성을 제공하는 대가로, 일부 사용자에게는 다소 비용이 높게 느껴질 수 있습니다.
4. SSML 지원
   • Google Cloud Text-to-Speech와 AWS Polly 모두 SSML을 지원하여 음성 합성을 세밀하게 제어할 수 있습니다. 그러나 AWS Polly는 더 오랫동안 SSML을 지원해왔고, 보다 많은 제어 옵션을 제공하는 것으로 알려져 있습니다.
5. 클라우드 통합
   • Google Cloud Text-to-Speech는 GCP 생태계 내에서 동작하며, 특히 Google의 AI/ML 서비스와 통합하기에 유리합니다.
   • AWS Polly는 AWS 생태계 내에서 쉽게 통합할 수 있어, Lambda, S3, Transcribe와 같은 서비스와의 연결이 매우 용이합니다.

 

간단한 사용 방법

Google Cloud Text-to-Speech 사용법

npm install @google-cloud/text-to-speech

 

import { Injectable } from '@nestjs/common';
import { ConfigService } from '@nestjs/config';
import { TextToSpeechClient } from '@google-cloud/text-to-speech';
import * as fs from 'fs';
import * as util from 'util';

@Injectable()
export class GoogleTTSService {
  private client: TextToSpeechClient;

  constructor(private readonly configService: ConfigService) {
    this.client = new TextToSpeechClient({
      credentials: {
        client_email: this.configService.get<string>('GOOGLE_CLOUD_CLIENT_EMAIL'),
        private_key: this.configService.get<string>('GOOGLE_CLOUD_PRIVATE_KEY')
      },
      projectId: this.configService.get<string>('GOOGLE_CLOUD_PROJECT_ID'),
    });
  }

  async synthesizeSpeech(text: string): Promise<void> {
    const request = {
      input: { text },
      voice: { languageCode: 'en-US', ssmlGender: 'NEUTRAL' },
      audioConfig: { audioEncoding: 'MP3' },
    };

    const [response] = await this.client.synthesizeSpeech(request);
    const writeFile = util.promisify(fs.writeFile);
    await writeFile('output.mp3', response.audioContent, 'binary');
    console.log('Audio content written to file: output.mp3');
  }
}

 

AWS Polly 사용법 (NestJS)

npm install @aws-sdk/client-polly

 

import { Injectable } from '@nestjs/common';
import { ConfigService } from '@nestjs/config';
import { PollyClient, SynthesizeSpeechCommand } from '@aws-sdk/client-polly';
import * as fs from 'fs';

@Injectable()
export class AWSPollyService {
  private pollyClient: PollyClient;

  constructor(private readonly configService: ConfigService) {
    this.pollyClient = new PollyClient({
      region: this.configService.get<string>('AWS_REGION'),
      credentials: {
        accessKeyId: this.configService.get<string>('AWS_ACCESS_KEY_ID'),
        secretAccessKey: this.configService.get<string>('AWS_SECRET_ACCESS_KEY'),
      },
    });
  }

  async synthesizeSpeech(text: string): Promise<void> {
    const params = {
      Text: text,
      OutputFormat: 'mp3',
      VoiceId: 'Joanna',
    };

    const command = new SynthesizeSpeechCommand(params);
    const data = await this.pollyClient.send(command);

    // AudioStream이 존재하면 파일로 저장
    if (data.AudioStream) {
      const audioBuffer = Buffer.from(await data.AudioStream.transformToByteArray());
      fs.writeFileSync('speech.mp3', audioBuffer);
      console.log('Audio content written to file: speech.mp3');
    } else {
      console.error('Error: AudioStream is empty');
    }
  }
}

 

 

 

결론

Google Cloud Text-to-Speech와 AWS Polly 두 가지 서비스 모두를 사용해 음성을 변환하는 기능을 구현하였지만, 두 기능의 음질 차이는 크지 않았습니다. 그러나 최종적으로 AWS Polly를 선택한 이유는 AWS 통합 관리가 수월했기 때문입니다. 특히, 음성 파일을 생성한 후 AWS S3에 업로드하고 해당 파일의 URL을 쉽게 받아서 관리할 수 있다는 점에서, 이미 AWS 서비스를 사용 중인 환경에서는 Polly가 더 적합한 선택이었습니다. 이러한 이유로 AWS Polly를 선택하여 프로젝트의 기능을 완성하였습니다.

 

 

 

 

 

 

다양한 음성 리스트를 보고싶으시다면 여기 사이트 이용하시면됩니다.

지원되는 음성 및 언어  |  Cloud Text-to-Speech API  |  Google Cloud

 

Neural voices - Amazon Polly